数据级与特征级上的数据融合方法研究

论文题目: 数据级与特征级上的数据融合方法研究

论文类型: 硕士论文

论文专业: 控制理论与控制工程

作者: 张保梅

导师: 李战明

关键词: 多传感器,数据融合,数据级,自适应,加权,最优,特征级,人工神经网络,网络,网络,故障诊断

文献来源: 兰州理工大学

发表年度: 2005

论文摘要: 本文针对多传感器数据融合研究中所涉及的理论与应用问题进行了深入的研究。首先对数据融合的定义、基本原理、融合层次、功能模型、融合方法等几个方面进行了综述。从融合的层次结构出发,数据融合技术可分为数据级、特征级和决策级三个融合层次。不同层次的融合具有不同的特点,其数据融合的具体原理和算法也不同。本文分别研究数据融合中的数据级和特征级的原理、算法及其应用,探索不同融合层次上有效的融合模型、相应的算法及其应用。在数据级处理中,针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性。计算机上的仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法。在特征级处理中,针对设备故障诊断应充分利用各种信息获得关于系统运行状态和故障状况的综合评价的特点,提出了将数据融合技术用于实现对设备的故障诊断;基于人工神经网络(ANN)具有联想记忆、分类和优化决策等功能和在实际使用中响应速度快的优点在模式识别和分类中所具有的独特优势,用来完成特征级上的融合处理;给出了特征级人工神经网络实现故障诊断的融合模型,并把该模型用于一个电子电路的故障诊断实例中,采用传统BP网络、改进的BP网络、RBF网络三种网络模型进行了故障诊断仿真,仿真结果验证了人工神经网络特征级融合的具有很强的故障诊断能力,并对三种网络的诊断能力进行了分析、比较,表明RBF网络学习速度更快,更适合用于特征级融合实现对设备的故障诊断。

论文目录:

第一章绪论

1．1 引言

1．2 数据融合技术的研究概况

1．2．1 国外数据融合技术的研究概况

1．2．2 国内数据融合技术的研究概况

1．3 数据融合技术主要存在问题及其未来发展方向

1．4 本文的主要研究内容

第二章数据融合技术概述

2．1 数据融合技术的定义、融合过程及其特点

2．1．1 数据融合的定义

2．1．2 融合过程

2．1．3 数据融合的特点

2．2 数据融合的基本原理及融合层次

2．2．1 数据融合的基本原理

2．2．2 数据融合的层次结构

2．3 数据融合的功能模型及矩阵表示

2．3．1 数据融合的功能模型

2．3．2 数据融合的矩阵表示

2．4 数据融合系统的联结方式

2．5 数据融合的关键问题

2．6 数据融合的一般方法

2．7 本章小结

第三章同类多传感器自适应加权估计的数据级融合

3．1 同类多传感器数据的融合

3．1．1 数据级融合处理的目的和作用

3．1．2 自适应加权融合估计算法的提出

3．2 数据的一致性检验

3．3 自适应加权融合估计算法

3．3．1 自适应加权融合的估计模型及原理

3．3．2 算法推导

3．3．3 算法的线性无偏最小方差性

3．3．4 各传感器方差σ_p~2的求取

3．3．5 算法的运算流程

3．4 仿真实验及结果分析

3．5 本章小结

第四章基于人工神经网络的特征级融合方法的研究及应用

4．1 基于数据融合技术的故障诊断方法

4．1．1 基于数据融合技术的故障诊断方法的提出

4．1．2 数据融合诊断方法需解决的问题

4．1．3 研究基于数据融合的故障诊断方法的意义

4．2 基于人工神经网络的特征级数据融合

4．2．1 基于人工神经网络的特征级融合用于设备的故障诊断

4．2．2 特征级上人工神经网络数据融合用于故障诊断的机理

4．3 人工神经网络(ANN)技术概况

4．3．1 ANN的构成

4．3．2 ANN的学习

4．3．3 ANN的各种模型

4．3．4 ANN的基本特点

4．4 反向传播人工神经网络(BP网络)

4．4．1 BP网络结构

4．4．2 BP网络误差反向传播学习算法的基本思想

4．4．3 BP算法的计算过程

4．4．4 BP网络的设计分析

4．5 RBF网络

4．5．1 RBF网络的结构与特点

4．5．2 RBF网络常见的学习方法

4．6 人工神经网络特征级数据融合实现设备故障诊断的模型

4．7 算法应用实例与仿真

4．7．1 样本的预处理

4．7．2 目标模式判定规则

4．7．3 BP网络的训练与检验

4．7．4 RBF网络的训练与检验

4．7．5 诊断网络的容错性测试

4．7．6 结果分析

4．7．7 RBF网络与BP网络的比较

4．8 本章小结

结束语

参考文献

致谢

攻读硕士学位期间发表论文

发布时间: 2005-07-14

参考文献

[1].WMSNs数据融合系统的设计与实现[D]. 郑诗雯.东北大学2015
[2].基于实时计算和离线挖掘的多手段数据融合系统的设计与实现[D]. 刘妍.北京邮电大学2018
[3].基于数据融合的无线传感网MAC协议研究[D]. 魏璇.杭州电子科技大学2018
[4].重量动态检测系统的设计与应用[D]. 翟昌.哈尔滨工程大学2005
[5].多种数据融合在WSN中的应用研究[D]. 陈勖之.哈尔滨工程大学2016
[6].基于神经网络的多传感器数据融合火灾预警系统研究[D]. 周晓琳.长春理工大学2012
[7].多传感器数据融合在煤矿安全预警中的研究与应用[D]. 史俊茹.宁夏大学2015
[8].CPS网络中数据融合关键技术研究与实现[D]. 刘伟.电子科技大学2017
[9].基于智能计算的多传感器目标识别方法研究[D]. 肖婷婷.江苏科技大学2010
[10].基于民用飞机的障碍物检测系统研究与实现[D]. 段晓娟.西北工业大学2007

数据级与特征级上的数据融合方法研究

猜你喜欢